• 목록

연구기간: 2025.04 - 2026.03

[1. 연구 목표]

반도체 생산라인은 실시간으로 대용량 데이터를 수집하여 수율 관리 및 품질 최적화를 도모하고 있다. 현업에서는 전수계측 방식의 비효율성 및 비현실성을 감안하여 샘플링 계측 방식을 채택하고 있으며, 계측 정합성 제고를 위해 계측보간 (Virtual Metrology, VM) 기법을 활용하여 고차원 운영데이터를 수집 및 관리하고 있다. 이에 따라 수많은 계측 보간 인자들이 수율에 미치는 복잡한 관계성을 규명하고, 불량 발생 시 해당 원인을 해석할 수 있는 체계적인 방법론의 개발이 지속적으로 요구되어 왔다. 본 연구는 고차원의 계측보간 인자들 (X) 과 품질 (Y) 간 내재된 관계성을 규명하는 근사모델 (Approximation Model)을 구축하고, 나아가 극소수의 불량 제품에 대해 실시간으로 혐의 공정인자 및 영향도를 규명할 수 있는 해석 가능한 방법론을 구축함을 목표로 한다. 계측보간 방식에 기해 품질 불량의 원인을 체계적으로 진단하고 해석할 수 있는 프레임워크를 개발함으로써, 반도체 공정 최적화 및 품질관리 혁신에 기여하고자 한다.

[2. 연구 내용]

본 과제의 주된 연구내용은 크게 두 가지 절차로 나누어 파악할 수 있다. 첫째, 고차원의 정보로 이루어진 계측보간 운영데이터를 설명 및 예측하기 위한 최적의 기계학습 기반 근사모델을 선정하는 것이다. 최적의 근사모델을 선정하는 과정은 곧 현업에서 활용되고 있는 실제 계측보간 구조에 가장 근접한 모델 후보군을 탐색하고, 그로부터 최적의 모델을 결정하는 일련의 과정으로 규정할 수 있다. 둘째, 최적의 근사모델에 기반하여 극소수의 불량을 야기하는 혐의인자 후보군을 도출하는 것이다. 고도화된 최첨단 생산공정을 운영함에 있어, 수율이 낮거나 허용기준을 초과하는 등의 경우는 비록 그 빈도가 극히 낮음에도 불구하고 언제든지 발생할 수 있다고 간주하여야 한다. 따라서 공정을 분석하는 Domain Expert는 그러한 물량 (ex. Out-Of-Spec)들을 분석하여 혐의인자를 도출하여야 한다.

[3. 연구 결과]

계측보간 운영데이터의 전반적 구조 및 특성을 파악하기 위해 탐색적 자료분석 (Exploratory Data Analysis, EDA)을 우선적으로 수행하였다. 이를 통해 계측보간 운영데이터의 고차원적 특성을 다양한 관점에서 탐구 및 분석하였으며, 여기에는 위계적 구조, 시계열적 특성, 계측 정합성 등이 포함되었다. EDA 결과를 기반으로 최적의 근사모델을 탐색하기 위하여, Boosting 기반 기법들 (Machine Learning, ML)과 Neural Network 기반 기법들 (Deep Learning, DL) 들을 후보군에 포함하여 모델 적합 및 평가를 수행하였다. 현업 적용성 및 데이터 정합성 등의 요인들을 종합적으로 감안하는 가운데, 예측성능을 보다 체계적으로 평가하기 위해 실시간 적응적 방법론 (Online Adaptive Methods) 들이 함께 고려되었으며, 이를 통해 미래 시점의 예측오차를 최소화하는 최적의 근사모델을 결정하였다.

 

결정된 근사모델을 활용하여, 설명가능한 AI (Explainable AI, XAI) 기법을 적용한 혐의인자 도출 방법론을 개발하고 이를 검증하였다. 특정 불량을 야기한 혐의인자가 무엇인지를 AI에 기반해 규명하기 위해서는 설명가능성 (Explainability)이 특히 중요하다. 이는 비록 Domain Expert의 고도화된 사전지식 (ex. 전기적 특성, 공정 관련 특성, Know-How 등)에 의해 불량 혐의인자를 도출하는 Human-driven 방식이 통상 가능하다고 하더라도, 여기에 더해 XAI로부터 도출된 혐의인자 발생 패턴을 함께 고려할 수 있다면 보다 체계적인 의미에서의 혐의인자 규명이 가능해지기 때문이다. 따라서 혐의인자를 보다 효과적으로 규명하기 위해 XAI 기법을 적절히 개량해 적용함으로써, Domain Expert의 혐의인자 판단에 있어서 XAI-driven 의사결정을 촉진시키는 방법론을 제안하였다. 이와 같이 XAI 기법을 적용하여 혐의인자를 도출하는 일련의 Framework를 개발한 이후에는, 현업 Domain Expert 주관 하에 혐의인자 일치도 평가를 진행하였으며 사전에 정의되었던 목표기준을 달성하였다.